基于近似域划分的可变离散精度粗逻辑网络及其遥感图像分类应用
为解决粗逻辑神经网络精度与网络规模复杂性和推广泛化能力之间的矛盾,该文提出了一种具有可变离散精度的粗逻辑神经网络设计方法.该方法通过近似域划分,将论域空间划分为确定性区域和可能性区域,由于可能性区域信息粒度过大是造成误分类的重要原因,只需对可能性区域离散区间进一步细化,即可达到提高粗逻辑网络的精度,同时抑制网络规模增长过快的目的.在长白山地区的遥感图像分类实验中,常规方法在离散等级为7时有最好性能,而该文方法以较小的网络代价和训练时间获得了逼近的分类结果.
遥感图像分类、粗糙集、粗逻辑网络
29
TP751(遥感技术)
国家自然科学基金60375001;教育部高等学校博士学科点专项科研基金20030532004;湖南省教育厅科研项目05C093
2008-01-24(万方平台首次上网日期,不代表论文的发表时间)
共5页
2720-2724